Jean-DanielKANTCVLONG

Juin2019

EXPERIENCEPROFESSIONNELLE 2DIPLÔMES 2PRIMES 3PUBLICATIONS 4

EXPOSEDESACTIVITES 13

ENSEIGNEMENT 14

ACTIVITESPEDAGOGIQUES 14PROJETD’ENSEIGNEMENT 16

RECHERCHE 17

INTRODUCTION 17MONPARCOURS 17PROJETSDERECHERCHEENCOURSETRECENTS 19WORKSIM:MODELISATIONETSIMULATIONDUMARCHEDUTRAVAILFRANÇAIS(2006-…) 19DIFFUSIOND’INNOVATIONS(2006-2010) 20POLIAS:DYNAMIQUED’ATTITUDESAUSEIND’UNEPOPULATION(2012-…) 21HAPPYWORK:SIMULATIONMULTI-AGENTSDELASATISFACTIONAUTRAVAIL(2012-2016) 22METHODOLOGIE 23APPORTSAL’INFORMATIQUE 23DIFFUSIONDESRESULTATS 25ENCADREMENTS 25JURYSETEXPERTISE 27PROJETDERECHERCHE 28

ADMINISTRATIONETRESPONSABILITESCOLLECTIVES 31

CVdeJean-DanielKANT

2

Jean-DanielKANT

MaîtredeconférencesenInformatique,HDR SorbonneUniversité-SciencesLaboratoireInformatiquedeParis6(LIP6)4placeJussieu,75005ParisFrance

Mobile +33687672678Bureau +33144278805Email: Jean-Daniel.Kant@lip6.frPageWeb http://www-poleia.lip6.fr/~kant/

Néle22/05/1968àParis19ème.

EXPERIENCEPROFESSIONNELLE

Situation actuelle 1998-

Maître de conférences en informatique à l’Université Pierre et Marie Curie. Recherche au LIP6 (Laboratoire Informatique de Paris 6), département DESIR (Décision Systèmes Intelligents et Recherche Opérationnelle), équipe SMA (Systèmes Multi-Agents).

1997 - 1998 ATER en informatique à l’université Nancy I

1996-1997 Séjour Post-Doctoral aux Etats-Unis, financé par une bourse INRIA, auprès du professeur Daniel S. Levine, Département de Psychologie, University of Texas at Arlington ; sujet : modèles d’inspiration neurobiologique pour la formation de règles de décision.

1995 - 1996 ATER en informatique à l’université Nancy I

DIPLÔMES

CVdeJean-DanielKANT

3

2015 Habilitation à Diriger des Recherches, Université Pierre et Marie Curie mention très honorable1

Titre : Agent-Based approaches to the study of human behaviors Soutenue le 9 décembre 2015. Rapporteurs : PhilippeMathieu(LIFL,Lille1),ChristopheSibertin-Blanc(IRIT,Toulouse),JaimeSichman(EscolaPolitécnicadaUniversidadedeSãoPaulo)Examinateurs:MatteoRichiardi(InstituteforNewEconomicThinking,UniversityofOxford),PatricePerny(LIP6,UPMC),AmalElFallah-Seghrouchni(LIP6,UPMC)

1996 Doctorat d’informatique de l’Université de Rennes I, mention très honorable2 Thèse préparée au Département Intelligence Artificielle et Sciences Cognitives de Ecole Nationale Supérieure des Télécommunications de Bretagne, sous la direction de Jean-Pierre Barthélemy ; Soutenue le 16 janvier 1996. sujet : modélisation et mise en œuvre de processus cognitifs de catégorisation à l’aide d’un réseau connexionniste Rapporteurs : HervéAbdi(UniversityofTexas,Dallas),Jean-PaulHaton(LORIA,Nancy)Examinateurs:DanièleDubois(CNRS–LCPE),Jean-GabrielGanascia(UniversitéParis6–LIP6),AlainGrumbach(ENSTParis)Directeur:Jean-PierreBarthélemy(ENSTBretagne)

1992 DEA de Génie Electrique à l’Institut Polytechnique de Grenoble, mention bien Mémoire : Résolution des équations de champ électromagnétique à l’aide d’un réseau de neurones artificiels – encadrant : Jean Bigeon

1991 Ingénieur ENST (Ecole Nationale Supérieure des Télécommunications) de Paris – actuellement Télécom Paris Tech; Option de 3ème année : Intelligence Artificielle et Sciences Cognitives

Mémoire : Prototypes et catégorisation – encadrant : Jean-Pierre Barthélemy

Primes2015-2019 Titulaire de la Prime d'Investissement en Recherche de l’UPMC

2011-2015 Titulaire de la Prime d'Investissement Pédagogique de l’UPMC

Compétences

1 Les HDR sont délivrées sans félicitations à l’Université Pierre et Marie Curie. 2 Les félicitations avaient été supprimées à l’Université de Rennes I.

CVdeJean-DanielKANT

4

IA

Systèmes Multi-Agents, Simulation, Décision et aide à la décision, Modèles cognitifs et sociaux, Agents cognitifs, Jugement, Catégorisation, Apprentissage, Réseaux neuronaux, Mathématiques, Systèmes Dynamiques

SHS Psychologie : cognitive, sociale, et économique. Economie : macro, micro, du travail, politique, cognitive Sociologie, Marketing Philosophie : Epistémologie, Philosophie de l’esprit, du langage, Logique

Informatique Algorithmique, Génie Logiciel, Bases de données, Compilation Programmation : C, C++, Java, Python, Prolog, Caml, Pascal, Lisp, HTML, PHP, Systèmes: Unix, Linux, MacOS, Windows LaTeX, Office, Dreamweaver

Langues Anglais : Bilingue (C2)

Allemand : lu et parlé

PUBLICATIONS3

Note : Les 4 publications jointes au dossier sont en bleu.

Revues internationales avec comité de rédaction

1. K.-L. Brousmiche, J.-D. Kant, N. Sabouret and F. Prenot-Guinard (2016). From Beliefs to Attitudes: Polias, a Model of Attitude Dynamics Based on Cognitive Modeling and Field Data. Journal of Artificial Societies and Social Simulation 19, 4(2). http://jasss.soc.surrey.ac.uk/19/4/2.html. Impact Factor (IF) = 1.73

2. O. Goudet, J.-D. Kant, G. Ballot (2016). WorkSim - a calibrated agent-based model of the labor market accounting for workers' stocks and gross flows. Computational Economics, July 2016, pp. 1-48. http://link.springer.com/article/10.1007/s10614-016-9577-0. IF = 0.69

3. S.Martin, I. Alvarez, J-D. Kant (2015). Micro/Macro Viability Analysis of Individual-based Models: Investigation into the Viability of a Stylized Agricultural Cooperative. Complexity. Vol. 21 (2), pp. 276-296. IF = 4.62

4. S. Thiriot et J.-D. Kant (2008). Using associative networks to represent adopters' beliefs in a multi-agent model of innovation diffusion. Advances in Complex Systems, Vol.11 (2), pp. 261-272. IF = 0.97

5. Z. Lewkovicz et J.-D. Kant, (2008). A multi-agent simulation of a stylized French Labor Market : emergences at the micro-level. Advances in Complex Systems. Vol.11 (2), pp. 217-230. IF = 0.97

3 Un grand nombre de mes publications est téléchargeable depuis mon dépôt HAL : https://hal.archives-ouvertes.fr/search/index/q/Kant+Jean-Daniel/sort/producedDate_tdate+desc/authIdHal_s/jdkant/

CVdeJean-DanielKANT

5

6. J.D. Kant, J. Le Drezen, J. Bigeon (1995). Electromagnetic Field parallel computation using a Hopfield Neural network. IEEE Transactions on Magnetics, Vol. 31, No. 3, pp. 1968-1971. IF = 1.39

Chapitres d’ouvrages 7. K.L. Brousmiche, J.-D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2017). From

Field Data to Attitude Formation. In Advances in Social Simulation 2015, Jager, W., Verbrugge, R., Flache, A., de Roo, G., Hoogduin, L., and Hemelrijk, C. (Eds.). Advances in Intelligent Systems and Computing Series, Vol. 528 (1), Springer, pp. 1-14.

8. O. Goudet, J.-D. Kant et G. Ballot (2015). Forbidding fixed duration contracts. Unfolding the opposing effects with a multiagent model of the French labour. In Advances in Artificial Economics, Lecture Notes in Economics and Mathematical Systems, Vol. 676, pp 151-167.

9. S. Thiriot, Z. Lewkovicz, P. Caillou et J.-D. Kant (2011). Referral hiring and labor markets: a computational study. In Emergent Results of Artificial Economics, Lecture Notes in Economics and Mathematical Systems, Springer, Vol. 652, pp 15-25.

10. S. Thiriot et J.-D. Kant (2010). A naturalistic multi-agent model of word-of mouth dynamics. In Simulating Interacting Agents and Social Phenomena, K. Takadama, C. C. Revilla, G. Deffuant (eds), Agent-Based Social System Series, Springer, pp. 89-102.

Revues nationales avec comité de rédaction

11. G. Ballot, J.-D. Kant, O. Goudet (2016). Un modèle multi-agents du marché du travail français, outil d’évaluation des politiques de l’emploi. L’exemple du contrat de génération.. Revue économique, 67 (4) pp. 831-869.

12. J.-D. Kant (2012). Apports de l'informatique et des mathématiques pour la modélisation en sciences humaines et sociales. Mathématiques et Sciences Humaines, n° 197, 2012(1), p. 47-64. (HCERES: rang A)

Conférences internationales avec comité de lecture et actes 13. N. De Bufala et J.-D. Kant (2019). An Evolutionary Approach to Find Optimal Policies

with an Agent-Based Simulation. Proc. of the 18th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2019), May 13-17, 2019, Montreal, Canada. Conférence A+.

14. J.-D. Kant (2019). An agent-based simulation approach to evaluate and design policies. Keynote Lecture. 20th International Workshop on Multi-Agent-Based Simulation (MABS 2019), May 2019, Montreal, Canada.

15. N. De Bufala et J.-D. Kant (2018). OptiPol : an Evolutionary Approach to Find Optimal Policies with an Agent-Based Simulation.. Modelling and Analysis of Complex Monetary Economies - MACME IV, December 2017, Villetaneuse, France

16. G. Ballot, J.-D. Kant, O. Goudet (2017). A multi-agent model to simulate the introduction of a temporary help agency in a labor market. Modelling and Analysis of Complex Monetary Economies - MACME IV, Nov 2017, Saint-Denis, France

CVdeJean-DanielKANT

6

17. G. Ballot, J.-D. Kant, O. Goudet (2017). Introducing a temporary help agency in a labor market : a multi-agent model. WEHIA 2017 - 22nd annual Workshop on the Economic Science with Heterogeneous Interacting Agents, Jun 2017, Milan, Italy

18. J.-D. Kant, G. Ballot, O. Goudet, (2016). WorkSim, an agent-based framework to study labor markets.. International Conference on Agent Computing. Fairfax, USA.

19. Jean-Daniel Kant, Gérard Ballot, Olivier Goudet (2016). « A multiagent approach to evaluate labor policies.. MACME III – Modeling and Analysis of Complex Monetary Economies, Dec 2016, Villetaneuse, France

20. J.-D. Kant, O. Goudet, G. Ballot (2016). An ex ante evaluation of economic dismissals facilitation on the French labor market: An agent-based model. Artificial Economics 2016, Rome.

21. K.L. Brousmiche, J.D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2015). From Field Data to Attitude Formation. Social Simulation Conference 2015 (SSC 2015). Groningen. Best Student Paper.

22. K.-L. Brousmiche, F. Prenot-Guinard, J.-D. Kant, N. Sabouret, N. (2015). Modeling the impact of combat and influence actions on population attitudes towards forces: An agent-based approach », in Proc. NATO STO System Analysis and Studies Panel (SAS) Symposium (STO-MP-SAS-105 - Information Operations for Influence), Amersfoort, 2015. ISBN 978-92-837-2013-3.

23. O. Goudet, J.-D. Kant, G. Ballot (2015). How to choose a contract type in the French Labor Market ? An agent-based endogenous model », AE 2015 - 11th Artificial Economics conference, Porto.

24. G. Ballot, O. Goudet, J.-D. Kant (2015). Endogenous choices of contract types in an agent-based model of the labor market », WEHIA 2015 - 20th Annual Workshop on the Economic Science with Heterogeneous Interacting Agents. Sophia Antipolis.

25. O. Goudet, J.-D. Kant et G. Ballot (2014). Forbidding fixed duration contracts. Unfolding the opposing effects with a multiagent model of the French labour market » - AE 2014 - 10th Artificial Economics Conference, Barcelona, September 1st-2nd, 2014.

26. G. Ballot, J.-D. Kant, et O. Goudet (2013a). A multi-agent model of the french labor market : WorkSim » WEHIA 2013 - 18th Annual Workshop on Economic Science with Heterogeneous Interacting Agents - Reykjavik University, Iceland - June 20-22, 2013.

27. G. Ballot, J.-D. Kant, et O. Goudet (2013b). Modeling both sides of the French labour market with adaptive agents under bounded rationality » The 25th Annual Conference of the EAEPE (European Association for Evolutionary Political Economy), Bobigny – November 2013.

28. K. Chapuis, J.‑D. Kant (2014a). Computing Job Satisfaction from social comparisons : an agent-based approach », Social Simulation Conference 2014 - 10th European Social Simulation Association Conference, Barcelona.

29. K. Chapuis, J.‑D. Kant (2014b). A multi-agent simulation to study the impact of cognitive profiles on job satisfaction. In WCSS-14, Fifth World Congress on Social Simulation , Sao Paulo, Brésil.

30. K.‑L. Brousmiche, J.‑D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2014a). Modeling the impact of beliefs and communication on attitude dynamics: a cognitive

CVdeJean-DanielKANT

7

agent-based approach », Social Simulation Conference 2014 - 10th European Social Simulation Association Conference, Barcelona.

31. K.‑L. Brousmiche, J.‑D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2014b). The role of emotions on communication and attitude dynamics: an agent-based approach ». In WCSS-14, Fifth World Congress on Social Simulation, Sao Paulo, Brésil.

32. S. Thiriot, Z. Lewkovicz, P. Caillou et J.-D. Kant (2011). Referral hiring and labor markets: a computational study. In Artificial economics: Agent-based methods in finance, game theory and their application, Springer, The Hague.

33. S. Thiriot et J.-D. Kant (2010). A naturalistic multi-agent model of word-of mouth dynamics. World Congress on Social Simulation WCSS 2010.

34. S. Naciri, O. Gobet, J.-D. Kant, M.-J. Yoo et R. Glardon (2010). Elicitation of human decision making patterns in supply chains using participatory simulation. In Third International Conference on Information Systems, Logistics and Supply Chain, Casablanca, Maroc.

35. T. Béline et J.-D. Kant (2009). An Opinion Dynamics Model Using Attitudes on Individuals. In ESSA 2009, European Social Simulation Association Conference, Guilford, UK.

36. Z. Lewkovicz, D. Domingue et J.-D. Kant (2009). An agent-based simulation of the French labour market : studying age discrimination. In ESSA 2009, European Social Simulation Association Conference, Guilford, UK. Best Student Paper award.

37. S. Thiriot et J.-D. Kant (2008b). Reproducing stylized facts of word-of-mouth with a naturalistic multi-agent model. In WCSS-08, Second World Congress on Social Simulation , Fairfax, USA.

38. S. Thiriot et J.-D. Kant (2008c). Generate country-scale networks of interaction from scattered statistics. In ESSA 2008, European Social Simulation Association Conference, Brescia, Italy.

39. J.-D. Kant and D. Domingue (2007). How multi-agent systems can be good for Behavioral Economics : a case study. SABE 07 (International Conference on Behavioural Economics), New-York.

40. Z. Lewkovicz et J.-D. Kant (2007a). Introducing a new job contract into the Labor Market: an agent-based computational approach. CIEF 2007 International Conference on Computational Intelligence in Economics & Finance 6th, Salt Lake City.

41. Z. Lewkovicz et J.-D. Kant (2007b). A Multi-Agent System to model the Labor Market: simulating a new job contract introduction. In ESSA 2007 Fourth European Social Simulation Association Conference, Toulouse, pp.151-162.

42. S. Thiriot et J.-D. Kant (2007a). Representing beliefs as associative networks to simulate the diffusion of innovations. In ESSA 2007 Fourth European Social Simulation Association Conference, Toulouse, pp. 193-204.

43. J.-D. Kant and S. Thiriot (2006). Modelling one Human Decision Maker with a Multi-Agent System: the CODAGE approach » AAMAS 06 (Fifth International Joint Conference on Autonomous Agents and Multi-Agent Systems), pp. 50-57, May 8-12, Hakodate.

CVdeJean-DanielKANT

8

44. J.-D. Kant (2006). Anchoring and Adjustment within categorical judgments of saving schemes: a psychomimetic approach. IAREP-SABE 06 (International Joint Conference on Behavioural Economics and Economic Psychology), July 5-8, Paris.

45. S. Thiriot and J.-D. Kant (2006). A multi-agent cognitive framework to model human decision making under bounded rationality » IAREP-SABE 06 (International Joint Conference on Behavioural Economics and Economic Psychology), Paris

46. J.-D. Kant and A. Lifchitz (2003). Web-R: a tool to record & replay personal web navigation » 12th International World Wide Web Conference (WWW2003), Budapest.

47. J.-D. Kant (1999). Modelling human cognition with artificial systems : some methodological considerations » HCP 99 (Human Centred Processes), P. Lenca ed. , pp. 501-508, Brest.

48. J.-D. Kant and D.S. Levine (1998). RALF : A simplified neural network model of rule formation in the prefrontal cortex » 3rd international conference on computational intelligence and neuroscience, Research Triangle Park, USA, Proceedings of JCIS’98, Vol. II, pp. 8-14, October 1998.

49. J.-D. Kant (1998). Connectionist models for rule formation and decision making in context » EURO XVI (16th European Conference on Operations Research), Bruxelles.

50. D. S. Levine and J.-D. Kant (1997). A neural network model of prefrontal cortex involvement in rule learning » 28th annual meeting of the society for neuroscience, Los Angeles.

51. J.-D. Kant and D.S. Levine (1997). A neural network for decision making under the influence of reinforcement. In ICNN 97 (IEEE International Conference on Neural Networks), vol. I, pages 558--563, Houston.

52. J.-D. Kant. A connectionist approach for the automatic extraction of categorization rules from symbolic data » in Ordinal and Symbolic Data Analysis, E. Diday, Y. Lechevallier et O. Opitz (eds.), pp. 157-166, Springer Verlag.

53. J.-D. Kant (1995). Categ_ART: a neural network for automatic extraction of expert categorization rules » Proceedings of ICANN 95 (Fifth International Conference on Artificial Neural Networks), vol. 2, pp. 479-484, Paris.

54. J.-P. Barthélemy and J.-D. Kant (1996). From human categorization processes to classification and vice-versa » Fifth Conference of the International Federation of Classification Societies (IFCS 96), Kobe

55. J.D. Kant (1995). A method for revealing preferences from human categorization rules using a connectionist network » EURO XIV (14th European Conference on Operations Research), Jerusalem.

56. J.D. Kant (1995). The problem of the automatic extraction of human categorization rules from symbolic data: a connectionist approach » OSDA 95 (international conference on Ordinal and Symbolic Data Analysis), Paris.

57. J.D. Kant, J. Le Drezen, J. Bigeon (1994), A method for electromagnetic field parallel computation using a neural network, IEEE Conference on Electromagnetic Field Computation, Aix-les-bains, Juillet 1994

CVdeJean-DanielKANT

9

Conférences nationales 58. G. Ballot, O. Goudet, J.-D. Kant (2017). Introduction d’un contrat intérim dans le marché

du travail français : un modèle multi-agents. 14ème Conférence Annuelle TEPP - "Expérimentation & Evaluation des Politiques Publiques", Oct 2017, Angers, France

59. O. Goudet, G. Ballot, J.-D. Kant (2017). Simulation multi-agents de l’introduction du contrat intérim dans le marché du travail. Journée MAGECO 2017 (Modèles basés Agents en Economie), Lille, 15/12/17.

60. J.-D. Kant, O. Goudet, G. Ballot (2016). An ex ante evaluation of some effects of the Law El Khomri on the French labor market : An agent-based model. Conférence interdisciplinaire TEPP « Evaluation des Politiques Publiques EEE (Education Emploi Environnement), St Denis de La Réunion.

61. O. Goudet, G. Ballot, J.-D. Kant (2015). Un modèle multi-agents du choix de contrat au sein du marché du travail français. Colloque annuel TEPP (Travail, Emploi et Politiques Publiques). Paris.

62. O. Goudet, J.-D. Kant, G. Ballot (2014) : « Une endogénéisation des choix de contrats dans un modèle multi-agents du marché du travail français. Journée MAGECO (Modèles basés Agents en Economie) 2014, Paris, 28/11/14.

63. G. Ballot, J.-D. Kant, and O. Goudet (2013c). WorkSim, un simulateur multi-agents du marché du travail français » Journée Expériences et perspectives de la micro-simulation, ACOSS, INSEE, ERUDITE, Montreuil - 23 mai 2013

64. K.‑L. Brousmiche, J.‑D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2014) – « Modélisation de l’impact des croyances et de la communication sur la formation et la dynamique des attitudes : une approche multi-agents », Journées Francophones sur les Systèmes Multi-Agents.

65. K. Chapuis, J.‑D. Kant (2014). Un modèle multi-agents de la satisfaction au travail fondé sur des comparaisons sociales », Journées Francophones sur les Systèmes Multi-Agents.

66. G. Ballot, J.-D. Kant et O. Goudet (2013d). WorkSim, un simulateur multi-agents du marché du travail français. Journée MAGECO (Modèles basés Agents en Economie) 2014, Paris, 14/06/13.

67. S. Thiriot et J.-D. Kant (2007b). Représenter les croyances par des réseaux associatifs pour simuler la diffusion d'innovations. In JFSMA 2007 Journées Francophones sur les Systèmes Multi-Agents, Carcassonne.

68. A. Lifchitz and J.-D. Kant (2003). Web-R : pour la mémoire exhaustive de ma toile » JFT'2003 (Journées Francophones de la Toile), Tours.

69. J.D. Kant, Extraction automatique de règles de catégorisation par un réseau connexionniste (1995), Journées MODE (Mathématiques de l'Optimisation et de la DEcision), Brest, Mars 1995

70. J.D. Kant, Un réseau connexionniste pour l'acquisition automatique de règles de catégorisation d'expert (1995), JAVA 95 (Journées Acquisition, Validation, Apprentissage), Grenoble, Avril 1995

71. J.D. Kant, P. Boldini, J.-P. Barthélemy (1993). Un modèle comportemental d'expert pour l'émergence de règles de décision, réalisation par un réseau connexioniste » actes des

CVdeJean-DanielKANT

10

journées LIFIA/ENST Formation des symboles dans les modèles de la cognition, pp. 91-107, Grenoble,1993.

Séminaires à l’étranger et internationaux 72. G. Ballot et J.-D. Kant (2017). An agent-based approach to evaluate the impact of

economic dismissals facilitation on the French labor market. OECD Innovation Lab WorkShop « New perspectives on the labour market : policy applications using agent-based modelling », 29 Septembre 2017, Paris.

73. J.-D. Kant et G. Ballot (2017). WorkSim, an agent-based model to study labour markets. INET (Institute for New Economic Thinking) Seminar, Oxford University, 7 juin 2017, Oxford, UK.

74. J.-D. Kant et G. Ballot (2017). WorkSim, an agent-based model to study labour markets. Economics research seminar, Kingston University, 6 juin 2017, Londres, UK.

75. J.-D. Kant, G. Ballot et O. Goudet (2017). A multiagent approach to evaluate labor policies, Bielefeld Universität, 14 décembre 2016, Bielefeld, Allemagne.

76. J.-D. Kant (2013). A human-mimetic path to design cognitive software systems. 9th workshop NII/LIP6. 18 Novembre 2013. Tokyo, Japon.

77. J.-D. Kant (2008). Modélisation et simulation multi-agents de phénomènes économiques et sociaux. Séminaire EPFL (Ecole Polytechnique Fédérale de Lausanne). 26 juin 2008. Lausanne.

Colloques, Posters, Séminaires nationaux

78. J.-D Kant (2019). A methodology to validate agent-based models. AFD Seminar (Agence Française pour le Développement), May 2019, Paris.

79. N. De Bufala et J.-D. Kant (2018), Une approche évolutionnaire pour la recherche de politiques optimales. Journée MAGECO, 7 décembre 2018, Paris.

80. J.-D. Kant (2017). Agent-based approaches to the study of human behaviors. Journée "Modélisation, simulation et étude des comportements sociaux" organisée par C. Imbert et V. Chevrier, 20 octobre 2017, Nancy.

81. O. Goudet, J._D. Kant, R. Reuillon (2015). Comparaison de méthodes de calibration d’une simulation multi-agents. Workshop MAGECO, 10 avril 2015, Paris.

82. O. Goudet, J._D. Kant, G. Ballot (2014). WorkSim, a multi-agent model of the French labor market with two types of contract. 10th workshop NII/LIP6. 25 septembre 2014. Paris

83. J._D. Kant, G. Ballot et O. Goudet (2014). WorkSim, a multi-agent approach for labor market simulation. ABM Workshop, Université Paris 2, 24 janvier 2014, Paris.

84. K.‑L. Brousmiche, J.‑D. Kant, N. Sabouret, S. Fournier, F. Prenot‑Guinard (2014). Modelling the impact of beliefs and communication on attitude dynamics: a cognitive agent-based approach. 10th workshop NII/LIP6. 25 septembre 2014. Paris.

85. J.-D. Kant (2014). Quelques résultats sur la microfondation des modèles. Workshop MAGECO, 7 février 2014, Paris.

CVdeJean-DanielKANT

11

86. J.-D. Kant (2012). Modélisation pour les Sciences Humaines et Sociales : une approche par simulation multi-agents. ENS Cachan. 15 novembre 2012, Cachan.

87. J.-D. Kant (2012). Contributions of computer science to model human behaviors: an agent-based perspective. 8th workshop NII/LIP6. 21 mai 2012. Paris

88. J.-D. Kant (2011). Mathématiques, informatique et sciences humaines : l’apport des systèmes multi-agents. Journée en hommage à Jean-Pierre Barthélemy. Télécom Paris Tech, 21 Juin 2011, Paris.

89. D. Domingue et J.-D. Kant (2010). Modélisation et simulation multi-agent de la satisfaction dans l'emploi. Séminaire laboratoire ERMES (Equipe de Recherches sur l'Emploi, les Marchés, la Simulation). Université Paris 2, 6 juillet 2010. Paris.

90. J.-D. Kant (2010). Apport des Systèmes Multi-Agents pour la Modélisation et la Simulation des Systèmes Complexes. Séminaire département DESIR – LIP6. 2 juillet 2010. Paris.

91. J.-D. Kant (2010). Apport des Systèmes Multi-Agents pour modéliser les systèmes dynamiques complexes. Journée Prospective LIP6, 16 avril 2010. Paris.

92. J.-D. Kant (2009). Approches cognitives en simulation multi-agents. LISC (Laboratoire d'Ingénierie pour les Systèmes Complexes) Irstea, 4 mai 2009. Clermont-Ferrand.

93. J.-D. Kant (2008). SIMECO : Modélisation et Simulation Multi-Agents de phénomènes économiques complexes. ISC-PIF (Institut des Systèmes Complexes Paris Île-de-France), 15 décembre 2008. Paris.

94. J.-D. Kant (2008). Simulation multi-agents du comportement du consommateur : l'exemple de la diffusion d'innovations. Journée LIP6 – Industrie. 11 avril 2008. Paris.

95. J.-D. Kant (2006). Agents, cognition et économie. Séminaire CODECO. Télécom Bretagne, 7 mars 2006, Brest.

96. J.-D. Kant (2005). Deux approches psychomimétiques pour le jugement catégorique et la décision. Séminaire Economie et Psychologie, Université Paris 5, 9 décembre 2005. Paris.

97. J.-D. Kant (2005). Modèles cognitifs pour la décision. Séminaire SMA – LIP6. 07 Novembre 2005. Paris.

98. J.-D. Kant (1998). Modèles connexionnistes pour l’extraction automatique de règles et la fouille de données. Séminaire “Extraction de connaissances à partir de données ” du GTRA (Groupe de TRavail sur l’Apprentissage automatique), Paris, 27 avril 1998.

99. J.-D. Kant (1996). Introduction au problème de l’interprétation des données en classification. In « Aspects de la classification de l’équipe », J.-F. Mari and A. Napoli, éditeurs, CRIN-INRIA Lorraine, Champenoux, 25 Mars 1996. Rapport de recherche RR-2909, INRIA, 1996, pages 69–82.

CVdeJean-DanielKANT

12

Communications, Débats, Interventions dans les Médias 1. J.-D. Kant (2019). Entretien pour les Echos. 04/04/19.

https://www.lesechos.fr/idees-debats/editos-analyses/jusquou-lintelligence-artificielle-peut-elle-aider-a-gouverner-1006466

2. J.-D. Kant (2018). Interview pour Science & Vie sur les rapports entre la politique et l’IA. http://www-poleia.lip6.fr/~kant/docs/SVIE_1214_p50-53.pdf

3. J.-D. Kant (2018). Entretien pour les Echos. 05/06/18. http://www-poleia.lip6.fr/~kant/docs/Echos_150618.pdf

4. J.-D. Kant (2017). Connaissez-vous cette forme d’intelligence artificielle ? Conférence TEDx, IMT Atlantique, 2 décembre 2017, Brest. https://www.youtube.com/watch?v=Xv9geNcF0Yc

5. J.-D. Kant (2017). Audition publique au Sénat sur l’Intelligence Artificielle. OPECST (Sénat – Assemblée Nationale). Vidéo (mon intervention à 10 :22 :40) : http://videos.senat.fr/video.302142_588070cd0faea.reunion-pleniere-opecst

6. J.-D. Kant et G. Ballot (2016). Deux chercheurs testent virtuellement la loi El Khomri sur le marché du travail. Émission Espace de Travail, Mediapart. Vidéo (+130 000 vues) : https://www.youtube.com/watch?v=VuymUdVHheE

7. J.-D. Kant, G. Ballot et O. Goudet (2016). Le projet de loi El Khomri modifie profondément le marché du travail sans améliorer l’emploi global. Le Monde, 4 avril 2016. https://www.lemonde.fr/idees/article/2016/04/05/le-projet-de-loi-el-khomri-modifie-profondement-le-marche-du-travail-sans-ameliorer-l-emploi-global_4895687_3232.html

8. J.-D. Kant (2016) : plusieurs autres interventions dans les médias (France Info, La Tribune, Marianne, Rue 89, …) au sujet de notre simulation avec WorkSim de la loi travail El Khomri : voir http://www-poleia.lip6.fr/~kant/worksim/index-FR.html#media

9. J.-D. Kant (2016). Les machines peuvent-elles prédire les comportements humains ? Journée Numérique (JNUM) - Le festival des idées Paris. Université Paris Descartes, 17 novembre 2016, Paris. http://jnum.parisdescartes.fr/jean-daniel-kant/

10. J.-D. Kant (2010). Participation à un Débat organisé par la revue Prisme à idées sur les Réseaux – 16/12/10, Paris. Video : http://www.prismeaidees.net/francesca-musiani-et-jean-daniel-kant/

11. J.-D. Kant (2005). Modélisation des processus cognitifs : démarche et exemples. Forum des Sciences Cognitives, 2005

CVdeJean-DanielKANT

13

Exposé des Activités

CVdeJean-DanielKANT

14

EnseignementL’enseignement est pour moi une activité indispensable à mon travail. Alors que la recherche produit souvent des résultats avec un temps assez long, rien n’est plus gratifiant que de pouvoir transmettre des connaissances, de voir un(e) étudiant(e) progresser, de recueillir sa satisfaction après un enseignement. Sans compter sur l’interaction avec ses étudiants qui permet aussi de progresser, et de se remettre parfois en question sur ses pratiques. C’est un challenge passionnant et stimulant !

Activitéspédagogiques

Ces dernières années à l’UPMC, je me suis concentré sur 3 axes principaux afin de répondre à des besoins particuliers de mon université :

1. InsertionprofessionnelleC’est est un axe important de mes activités pédagogiques. L’objectif est de préparer les étudiants au monde professionnel, de les sensibiliser au monde de l’entreprise et de la recherche, et les aider à construire leur projet professionnel. Pour ce faire, j’utilise l’expérience que j’ai accumulée depuis 2004 dans ce domaine, ainsi qu’une synergie avec mes activités de recherche, dont une partie porte sur l’économie et la modélisation du marché du travail. Concrètement, mes interventions pédagogiques en matière d’insertion professionnelle portent sur deux enseignements principaux :

§ Introduction à l’économie dans le secteur informatique (L3)

Il s’agit de l’UE 3I027 (Industrie informatique et son environnement économique). J’ai repris ce cours en 2007 et je l’ai entièrement revu. L’objectif est de fournir aux étudiants des éléments d’analyse économique, et de les appliquer à l’industrie informatique. Des exemples sont tirés de l’actualité récente, des concepts fondamentaux (monopoles, oligopoles) sont étudiées. En plus des traditionnels cours et TDs, un exposé sur un sujet économique doit être réalisé par chaque étudiant en fin de cours.

Site web dédié : http://www-poleia.lip6.fr/~kant/Ens/L3/IEI/index.html § Insertion professionnelle (IP) pour le Master

Mon intervention a porté sur 2 activités : 1. J’ai été responsable de 2012 à 2015 l’Insertion Professionnelle pour l’ensemble du

Master Informatique (700 étudiants), consistant en :

• L’organisation et la responsabilité de tous les enseignements d’IP. J’ai ainsi créé un nouveau programme d’enseignement, axé sur la personnalisation (simulations d’entretien d’embauche), la communication et la connaissance de l’entreprise ainsi que du monde de la recherche ;

• L’organisation des interventions des entreprises pour leurs actions IP en Master, et notamment les conférences métiers en M1 ;

• L’interface avec la vice-présidence IP, les étudiants et les entreprises.

2. J’ai enseigné le programme IP en Master 2 dans de plusieurs spécialités.

Site web dédié : http://www-poleia.lip6.fr/~kant/Ens/M2/IP-DAC/

CVdeJean-DanielKANT

15

2. IntelligenceartificielleMon principal investissement actuel pour l’enseignement de l’IA se fait dans le domaine de la simulation multi-agents en M2. Il s’agit de l’UE MOSIMA (Modélisation et Simulation Multi-Agents) du master 2 ANDROIDE4, dont j’ai créée en 2014, et qui fait suite à l’UE IAA que j’ai créée en 2006 dans le master IAD (Intelligence Artificielle et Décision) de l’UPMC. Outre les tâches d’organisation, j’y enseigne plusieurs séances de cours et TME (Travaux sur Machines Encadrés) portant sur une introduction aux systèmes complexes et à la simulation multi-agents. L’aspect TME constitue une innovation importante, car les étudiants de M2 se plaignent souvent d’un enseignement trop exclusivement théorique. Ici, ils doivent notamment réaliser un petit projet en reproduisant les résultats d’un article de recherche.

Site web dédié : http://www-poleia.lip6.fr/~kant/Ens/M2/MOSIMA/

En 2011, j’ai aussi participé à la création d’une UE d’Introduction à l’Intelligence Artificielle, au deuxième semestre du L3 Informatique de l’UPMC, et j’ai enseigné dans cette UE jusqu’en 2014.

3. Réalisationdeprojets(enM1informatiquejusqu’en2012,enL1depuis2016)Il s’agit de l’UE MI024 (Projet de la spécialité Intelligence Artificielle et Décision du master informatique ; 80 étudiants), c’est à dire l’UE obligatoire qui organise le projet que doivent réaliser les étudiants lors de leur second semestre du M1. J’ai été responsable de cette UE jusqu’en 2012 pour la spécialité IAD du master Info. J’ai introduit les innovations suivantes :

§ Pour les étudiants : je les oblige à suivre une démarche rigoureuse, de type génie logiciel, calquée sur la réalisation de projets réels dans l’industrie ;

§ Pour les enseignants, nous avons facilité le dépôt de sujets, les affectations aux étudiants, grâce à une interface intégrée dans le site du master IA ;

§ Pour tous, un site web dédié qui contient toutes les informations sur le déroulement de l’UE (calendrier, soutenances,…), des ressources pour les étudiants, des informations sur les projets, etc.

Je ne gère plus cette UE mais continue à m’investir dans la réalisation de projets en prenant en charge 2 groupes (40 étudiants) dans l’UE de L1 ARE (Ateliers de Recherche Encadrée) DYNAMIC. Il s’agit d’une initiation à la recherche en faisant faire aux étudiants un petit projet en Python autour de la modélisation de systèmes dynamiques (en biologie, en économie, etc.).

4 ANDROIDE est une spécialité du master Informatique de l’UPMC. Elle compte autour de 45 étudiants en M2. Voir http://androide.lip6.fr/

CVdeJean-DanielKANT

16

Projetd’enseignement

Tout d’abord, il s’agira de répondre aux besoins de l’établissement qui me recrutera. J’ai déjà enseigné dans des domaines variés de l’informatique, et je serais bien entendu heureux de le faire :

§ Informatique générale : langages, programmation, algorithmique, systèmes d’exploitation, génie logiciel, compilation, base de données, systèmes d’information ;

§ Mathématiques pour l’informatique : introduction à la logique, langages et automates, théorie des graphes, analyse de données) ;

§ Intelligence artificielle et sciences cognitives : systèmes multi-agents, simulation, histoire et épistémologie, réseaux neuronaux, systèmes complexes, décision.

Si c’est possible, j’aimerais mettre à profit mes compétences et mon expérience accumulée pour poursuivre des enseignements dans le domaine de l’insertion professionnelle, et de la simulation multi-agents.

Par ailleurs, j’aimerais, là encore selon les besoins, m’impliquer davantage dans la pluridisciplinarité, et en particulier le rapprochement entre l’informatique, l’économie et les sciences humaines et sociales. Cela pourrait passer par des cursus communs qui comprendraient côté informatique de la programmation, de l’algorithmique, des cours pratiques (web, bases de données) et aussi de l’IA (systèmes multi-agents, data mining). Ces cursus pourraient démarrer dès une licence (bi-disciplinaire) ou un master. A partir de mes travaux de recherche, il me semble que je serais à même de trouver un langage commun qui puisse être pertinent pour les disciplines concernées.

Enfin, je souhaite réfléchir sur l’utilisation de nouvelles méthodes d’enseignement, de manière à introduire plus d’interactivité. Je crois encore à la présence physique d’enseignants mais idéalement dans des groupes de nombre raisonnable (30-40 maxi), où théorie et pratique s’entremêleraient. C’est ce que j’ai proposé par exemple dans l’UE MOSIMA qui comprend des séances de TMEs qui suivent chaque cours, pour un volume de pratique sur machine plus de 50% du volume horaire de cette UE. Pour aller plus loin, j’aimerais explorer les pistes de la pédagogie inversée afin de mieux impliquer les étudiants, en leur demandant un travail plus actif de préparation avant les séances. Et réfléchir aussi à placer des moments d’interactivité pour faire participer, individuellement et collectivement, les étudiants en séance5. L’idée est de sortir du schéma classique un peu « top-down » du professeur vers l’étudiant, pour avoir plus de circularité et amener les étudiants à être plus actifs pendant les séances d’enseignement.

5 Par exemple, j’ai expérimenté cette année dans MOSIMA une séance de « speed modelling » pour initier les étudiants au brainstorming de groupe. Au début du semestre j’ai introduit un problème à modéliser (l’impact de la piétonisation des voies sur berges sur le climat et le trafic à Paris), je leur ai demandé de réfléchir à un modèle sur papier, et nous avons ensuite fait une séance de restitution et synthèse collective quelques semaines plus tard.

CVdeJean-DanielKANT

17

Recherche

Introduction

D’une façon générale, mes recherches portent sur l’apport de l’informatique pour modéliser et simuler les comportements humains. Ce qui caractérise mon travail est d’une part l’accent mis tout autant sur la théorie que sur la pratique, les modèles étant calibrés sur des données réelles, et d’autre part le choix de sujets liés à des enjeux économiques ou sociaux importants. D’un point de vue méthodologique, mon approche est fortement pluridisciplinaire (informatique, mathématiques, sciences humaines et sociales, économie). Avant de décrire mes projets récents, permettez-moi de retracer brièvement mon parcours, afin d’exposer ma démarche.

MonParcours

Mes travaux ont commencé en 1992 pendant ma thèse et s’inscrivaient dans le début des sciences cognitives en France. Il s’agissait de modéliser les processus de décision et de catégorisation, et j’ai pour cela proposé un modèle cognitif (issu de l’Heuristique de la Base Mobile) et un réseau de neurones artificiel (RNA) de type symboli-connexionniste pour apprendre automatiquement des règles de catégorisation d’un sujet humain, ces règles étant immédiatement traduisibles sous forme symbolique. En effet, nous étions à l’époque (années 1990) aux débuts des RNA et je me souciais déjà du problème de leur « interprétabilité », ces systèmes apparaissant comme des boites noires, ce qui pose un problème quand on les applique aux processus cognitifs (humains) de haut niveau6. J’avais donc suivi les idées de Smolensky et son concept de « subsymbolisme » pour proposer un réseau hybride, symbolique et connexionniste : Categ_ART [49, 50, 51, 52, 53, 66, 67, 68]7. Par ailleurs, j’ai proposé une méthodologie pour modéliser les processus cognitifs humain, le « psychomimétisme » qui a fondé les bases de ma méthodologie actuelle (voir section ci-dessous sur la méthodologie) [49,50,51,43].

Cherchant ensuite à approfondir les modèles neuronaux et les rendre plus plausibles sur le plan neurobiologique, j’ai effectué aux USA (1996-1997) un post-doc (financé sur une bourse INRIA) en neurosciences computationnelles, un domaine alors à des débuts et qui vise à proposer des modèles informatiques (en général des RNAs) du fonctionnement du cerveau. La plupart des travaux à l’époque se focalisaient sur les fonctions de « bas niveau » comme la vision ou les comportements moteurs. J’ai proposé d’essayer d’étendre cette approche pour les processus cognitifs de plus haut niveau comme la décision, avec le réseau RALF, qui

6 Il est intéressant de constater que ce problème est toujours d’actualités, 20 ans après, étant donné l’essor des RNAs et du deep learning, et la tentation grandissante d’utilisés les impressionnantes capacités de prédiction de ces systèmes pour la décision automatique, y compris celle qui touche les sujets humains (e.g. validation de prêt bancaire ou de contrat d’assurance). Le caractère « boîte noire » de ces RNAs pose ainsi des problèmes éthiques et juridiques, et font l’objet d’une directive récente de l’Union Européenne sur le droit à la compréhension des décisions automatisées (cf. http://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32016R0679). 7 Les numéros de publications correspondent à la liste de mes publications dans le document des « compléments ». Les articles joints au dossier sont marqués en bleu.

CVdeJean-DanielKANT

18

introduisait un nouveau mécanisme d’apprentissage par renforcement, inspiré du cortex frontal [44,46,47].

J’ai ensuite été recruté en 1998 à l’UPMC comme maître de conférences, et intégré l’équipe de machine learning, afin de poursuivre mes travaux sur les réseaux symboli-connexionnistes et la modélisation de la cognition individuelle. Malheureusement des problèmes de santé survenus entre 2000 et 2005 ont fortement entravé mes activités de recherche pendant cette période (d’où le « trou » dans mes publications). Ces problèmes sont fort heureusement derrière moi maintenant, mais cette période difficile m’a permis de prendre un peu de recul par rapport à mes travaux. En 2005, j’ai alors décidé (1) d’abandonner l’approche connexionniste qui ne m’apparut plus assez adéquate pour modéliser des processus cognitifs de haut niveau (sans compter un risque fort de réductionnisme biologique) et (2) de profiter de la création de la nouvelle équipe SMA (Systèmes Multi-Agents) au LIP6 par Amal El Fallah-Seghrouchni (équipé créée officiellement en 2006) pour étendre mes travaux aux comportements collectifs et sociaux, ouvrant la voie vers des applications sociétales très stimulantes pour moi. Il s’agit donc de modéliser des comportements sociaux, collectifs, et leur émergence à partir de comportements individuels, car l’être humain est profondément un être social. Ce sont là des disciplines très récentes (que ce soit la simulation sociale ou l’économie computationnelle à base d’agents), une vingtaine d’années tout au plus, auxquelles j’essaie de contribuer. Mes travaux s’articulent selon plusieurs projets, souvent en collaboration avec une entreprise. Les applications ont comme fil rouge l’économie (marché du travail, organisation des entreprises, coopératives), le marketing (diffusion d’innovation), et les comportements sociaux (dynamique d’attitudes et d’opinions). J’ai d’abord conçu, avec S. Thiriot, un premier modèle multi-agents de la décision en rationalité limitée, CODAGE, qui avait pour originalité de voir un décideur comme un SMA, et permet ainsi d’ « agentifier » la théorie de la décision utilitariste (travail publié notamment à AAMAS 2006 [40, 41]).

Depuis 2006, je me suis particulièrement investi au sein de la commnauté de la simluation multi-agents :

§ En simulation sociale, au sein de l’ESSA (European Social Simulation Association), dont j’ai été membre élu du Management Committee de 2008 à 2012, et des conférences ESSA et WCSS (comités de programme) ;

§ En simulation économique, à travers les conférences Artificial Economics et WEHIA notamment (comités de programme).

Sur le plan national, j’ai créé en 2013, avec Gérard Ballot, MAGECO (Modèles à base d’AGents en ECOnomie computationnelle ; http://mageco.lip6.fr/) : le premier réseau visant à fédérer les activités de recherche française dans le domaine de la simulation multi-agents en économie.

Une description de mes projets les plus récents est présentée dans la section suivante.

CVdeJean-DanielKANT

19

Projetsderechercheencoursetrécents

I. Simulation économique à base d’agents

WorkSim : Modélisation et simulation du marché du travail français (2006-…)

Financements : Région Île-de-France (Thèse Z. Lewkovicz, 2006-2010), Programme Doctoral International « Modélisation des Systèmes complexes » IRD-UPMC8 (Thèse d’Olivier Goudet, 2012-2015)

Site : http://worksim.lip6.fr/

Il s’agit de modéliser, avec une approche multi-agents, le marché du travail français et de comprendre notamment les déterminants du chômage, un enjeu majeur pour notre pays. Ce projet s’effectue en collaboration avec un économiste spécialiste en économie du travail, le Pr. Gérard Ballot (CRED, Paris 2), il a donné lieu à la thèse de Z. Lewkovicz, soutenue en 2010 et s’est poursuivi avec la thèse d’Olivier Goudet soutenue en 2015.

26 Publications 2 Revues internationales [2, 5], 2 Chapitres [8, 9],1 Revue nationale [11], 14 Conférences internationales [13, 14, 15, 16, 17, 20, 21, 22, 23, 24, 29, 33, 37, 38], 7 Conférences nationales [55, 56, 57, 58, 59, 60, 63]

Résultats

§ Nous avons produit le simulateur du marché du travail le plus complet parmi l’existant, incluant les comportements des individus, des entreprises, les institutions et le droit du travail. Un des points forts est l’endogénéisation du choix de la création d’un poste en CDD ou en CDI. Nous l’avons calibré sur des données réelles grâce à un algorithme évolutionnaire d’optimisation, CMA-ES, et utilisé pour évaluer des politiques publiques, comme le contrat de génération, les réductions de charge ou la suppression des CDD par exemple.

§ Sur le plan théorique, nous avons proposé une nouvelle théorie de recherche d’emplois, ainsi qu’une anticipation de la demande à horizon limité pour le choix d’un contrat, le tout dans le cadre d’une rationalité limitée9 qui fait souvent défaut aux modèles économiques classiques (qui supposent omniscience et anticipations à horizon temporel infini). Le modèle comprend également la prise en compte d’incertitudes (de la demande, de la productivité d’un employé ou de l’aménité d’une entreprise), associées à des mécanismes d’apprentissage pour affiner les estimations et corriger les erreurs.

§ Plus récemment, nous avons réalisé la première (et unique à ce jour) évaluation quantitative de la loi travail « El Khomri », ce qui a permis de mettre à jour les bouleversements induits sur le marché du travail : (1) le CDI devient le contrat majoritaire d’embauche, mais il est plus court et plus précaire, et (2) on obtient une baisse du chômage des jeunes au détriment des plus de 50 ans, ce qui fait que le chômage global ne baisse pas.

8 http://www.ummisco.ird.fr/pdi/ 9 Concept hérité d’Herbert Simon qui rappelle les limites de la cognition humaine en terme de capacités de calcul et de mémoire.

CVdeJean-DanielKANT

20

Ces résultats nous ont valu une certaine visibilité médiatique (voir http://www-poleia.lip6.fr/~kant/worksim/index-FR.html - media ), et d’être cités par la Commission Européenne10 et le FMI11 dans leurs rapports annuels sur la France. Bien entendu, il faut toujours être prudent avec les prédictions obtenues par une simulation, mais notre méthodologie nous encline à penser que les tendances qualitatives ainsi dégagées sont robustes (voir section méthodologie ci-dessous).

Dans le domaine de la simulation économique, j’ai également effectué un autre travail (projet ViaCoop), en collaboration avec S. Martin et I. Alvarez, visant à étudiant la dynamique d’un modèle multi-agents stylisé du fonctionnement d’une coopérative agricole à l’aide de la théorie mathématique de la viabilité. Nous avons utilisé les outils de la théorie de la viabilité pour élaborer des stratégies individuelles viables au niveau local, et les simulations multi-agents permettent d’étudier l'impact de ces stratégies sur la viabilité collective (travail publié dans la revue Complexity [3]).

II. Simulation sociale

Diffusion d’innovations (2006-2010)

Financement : CIFRE Orange Labs (Thèse S. Thiriot, 2006-2009),

11 Publications 1 Revue internationale [4], 1 Chapitre [10], 8 Conférences internationales [29, 30, 34, 35, 39, 40, 41, 42], 1 Conférence nationale [64]

Ce projet est le premier que j’ai conduit dans le domaine des SMA. La diffusion d’innovations étudie la diffusion de nouvelles idées ou opinions, de nouvelles pratiques (e.g. tri sélectif) ou de nouveaux produits au sein d’une population. Pour cela, nous avons proposé le modèle mtuli-agents COBAN (Communication of Beliefs using Associative Networks).

Résultats

§ Les modèles actuels simplifient fortement les croyances et informations représentées dans le modèle ; ces éléments sont pourtant reconnus comme centraux dans le processus de diffusion, puisqu'ils expliquent le succès ou l'échec de la diffusion, et constituent des variables décisionnelles de l'institution à l’origine de cette diffusion. Afin d'améliorer la descriptivité et l'utilité potentielle d'un modèle de diffusion d'innovations, nous avons introduit une représentation des croyances plus réaliste, sous forme de réseau associatif, et défini les mécanismes de manipulation de croyances adaptes. Un protocole d'entretien a été proposé pour initialiser ces réseaux de croyances, qui rend le modèle paramétrable et validable.

10 Country Report 2017 p.33 https://ec.europa.eu/info/sites/info/files/2017-european-semester-country-report-france-en.pdf 11 IMF Country Report No. 16/228 p.20 https://www.imf.org/en/Publications/CR/Issues/2016/12/31/France-Selected-Issues-44081

CVdeJean-DanielKANT

21

§ L'exploration par simulation des paramètres du modèle a permis de mieux comprendre l'importance de la recherche d'information dans la dynamique d'information. Le modèle COBAN exhibe un gain en descriptivité important, permettant notamment de décrire le marketing évènementiel ou l'échec de la diffusion d'innovation dû à l'incompréhension des messages institutionnels.

§ Les modèles à base d'agents sont extrêmement sensibles à la structure des interactions (e.g. réseau social) définie dans le modèle. Or, les réseaux sociaux « réels » sont difficilement collectables à grande échelle. Nous avons constaté l'existence de statistiques et d'observations qualitatives sur les processus de construction de ces liens, et proposé de formaliser ces connaissances sous forme de réseau bayésiens. Ainsi un générateur de réseaux d'interaction a été conçu. La mise en œuvre de ce générateur est illustrée par la génération d'un réseau d'interaction pour le Kenya rural, dans lequel est représentée la structure familiale, les liens entre collègues et amis, dans un environnement spatialisé. Ce « générateur bayésien » de réseaux sociaux ouvre la voie à l'utilisation de réseaux d'interactions plus plausibles, susceptibles d'améliorer la descriptivité des modèles de phénomènes sociaux, diffusion d'innovations incluse.

Polias : Dynamique d’attitudes au sein d’une population (2012-…)

Financement : CIFRE Airbus Defence and Space (Thèse K. Brousmiche, 2012-2015) L’attitude est un concept central pour le comportement humain, elle est le jugement évaluatif qui prédispose à l’action. L’opinion est la verbalisation de l’attitude. Nous avons proposé un modèle (Polias) de dynamique d’attitudes d’une population, intégrant une composante cognitive et émotionnelle (contrat Airbus Defence and Space et collaboration par N. Sabouret, LIMSI).

Polias utilise un mécanisme de révision de croyance et un mécanisme de persuasion par la communication, empruntés à un modèle précédent, COBAN (voir ci-dessus). Alors que COBAN approfondit ce processus de communication par une représentation explicite des arguments et un échange des croyances, Polias incorpore une composante émotionnelle à la composante cognitive.

7 Publications 1 Revue internationale [5], 1 Chapitre [1], 4 Conférences internationales [18, 19, 27, 28], 1 Conférence nationale [61]

Résultats de Polias

§ Sur le plan théorique, avec Polias, nous introduisons un nouveau modèle pour la formation d'attitudes en combinant des composantes rationnelles et émotionnelles à partir de théories cognitives, psychologiques et sociales : (1) modèle d’attitude inspiré par les travaux en psychologie sociale de R. Fazio et (2) modèle de pertinence de l’information issu des travaux de JL Dessalles, entre autres. Les individus de la population artificielle perçoivent les actions entreprises par des acteurs (tels que le gouvernement ou les marques), ils forment une attitude à leur égard et communiquent également les événements par le biais d'un réseau social.

§ Les résultats du modèle sont d'abord étudiés à travers une analyse fonctionnelle dans laquelle certains comportements macroscopiques ont emergé, tels que l'impact des groupes sociaux, la résistance de la population aux campagnes de désinformation ou la pression sociale.

CVdeJean-DanielKANT

22

§ Nous avons ensuite appliqué notre modèle sur un scénario réel illustrant l'effort des forces militaires françaises dans leurs opérations de stabilisation à Kapisa (Afghanistan) entre 2010 et 2012. Nous avons calibré automatiquement les paramètres du modèle en fonction de ce scénario et des résultats des sondages d'opinion qui ont été effectués dans la région au cours de la même période sur le sentiment de la population envers les Forces. Notre modèle a pu reproduire les résultats de sondages avec une erreur globale inférieure à 3 %. Sur la base de ces résultats, nous montrons les différentes dynamiques qui ont émergé au sein de la population en appliquant un algorithme de classification non supervisée (RNA de Kohonen).

HappyWork: Simulation multi-agents de la satisfaction au travail (2012-2016)

Financement : CIFRE Technologia (Thèse K. Chapuis, 2012-2015)

Le projet HappyWork a permis d’aborder le monde du travail sous un autre angle : la satisfaction au travail. L’insatisfaction au travail et les risques psychosociaux qui en découlent (burn-out, suicides,…) sont un enjeu central pour les entreprises et nos sociétés. Notre approche est novatrice, car, pour la première fois, nous proposons un modèle multi-agents de la satisfaction individuelle, à l’aide de profils cognitifs et de mécanismes de comparaison sociale. Par ailleurs, nous avons conçu un modèle d’activité des salariés dans une entreprise, incluant des dimensions organisationnelles, afin de pouvoir le coupler avec le modèle de satisfaction pour étudier l’impact d’une forme d’organisation d’une entreprise sur la satisfaction au travail

3 Publications12 2 Conférences internationales [25, 26], 1 Conférence nationale [62]

Résultats de HappyWork § Le modèle multi-agents HappyWork est le premier modèle de ce genre proposé pour

la satisfaction au travail. Inspiré par plusieurs théories en psychologie sociale du travail, il comporte 3 composantes : évaluation directe des conditions de travail, comparaison historique (des conditions actuelles avec le passé) et comparaison sociale où un agent compare sa situation avec les autres via un réseau social. Le paramétrage de ces 3 composantes forme le profil cognitif d’un agent. HappyWork a été calibré sur un ensemble de données réelles (fournies par notre partenaire Technologia) via l’algorithme CMA-ES. Le résultat majeur de notre étude les sujets ont des comportements très différents selon leur profil cognitif et le succès ou l'échec d'une politique d'amélioration des conditions de travail dépend de ce profil. Ceci doit être pris en compte dans par les décideurs lorsqu'ils conçoivent leurs politiques.

§ Nous avons également proposé De-C GCM, un modèle multi-agents d'organisation du travail. Notre travail a élargi le modèle Garbage Can pour y inclure un processus décisionnel davantage axé sur la cognition. D'un autre côté, nous avons également fourni un modèle basé sur une théorie de la récupération des efforts. Nous avons exploré les principaux paramètres de la décision du travailleur et de la conception organisationnelle, et nous avons obtenu un deuxième constat majeur : le type d'organisation a un impact significatif sur la performance de l'entreprise.

12 2 articles ont été soumises récemment à une revue et sont en cours de revue: 1 sur HappyWork, 1 sur De-C GCM.

CVdeJean-DanielKANT

23

Méthodologie

Un des objectifs principaux de mes recherches est in fine de proposer de nouveaux outils d’aide à la décision (politique, économique, …) sur des problèmes réels, et c’est pourquoi j’ai toujours accordé une grande importance aux questions méthodologiques.

La méthodologie que je propose s’est affinée au cours temps et repose sur 5 étapes13 : 1. Construire un modèle psycho/socio/econo-mimétique14, en utilisant les faits et les

théories - validées empiriquement - dont nous disposons. 2. Effectuer une analyse de sensibilité complète des paramètres du modèle et en déduire

une typologie des comportements (e.g. profils cognitifs), éventuellement pour réduire le nombre de paramètres.

3. Calibrer automatiquement les paramètres pour lesquels nous n'avons pas de valeur empirique, à partir d’un jeu de données disponibles.

4. Effectuer des analyses d'explication des modèles calibrés, par exemple en traçant les décisions des agents et en exhibant les motifs de ces décisions.

5. Testez les capacités de généralisation du modèle, afin de reproduire des faits expérimentaux, des phénomènes observés ou des données qui n’étaient pas dans les cibles de la calibration.

Le point central de cette méthodologie est de viser le plus grand réalisme possible des modèles. Cela passe d’abord (1), s’agissant de comportements humains, par une forte inspiration en SHS et/ou économie, en sélectionnant les théories si possibles validées sur le plan empirique. L’accent est également mis sur la confrontation avec des données réelles, à l’initialisation des agents, pour la calibration des paramètres (3) et la reproduction de faits stylisés (5). Les points (2) et (3) sont les techniques classiques d’analyse des simulations multi-agents, afin de tirer parti des capacités explicatives de celles-ci.

Apportsàl’informatique

Mes recherches sont fortement pluridisciplinaires et ont pour objet des problématiques issues de l’économie et des SHS. On peut donc légitimement se poser la question de leurs apports à l’informatique.

Tout d’abord, le fait que ces modèles issus de l’intelligence artificielle parviennent avec succès à rendre compte de phénomènes réels et permettent de faire avancer des questions économiques (travail, innovation), ou sociales (opinions, attitudes, diffusion) importantes est déjà en soi un apport à l’informatique en montrant tout ce que ces outils peuvent apporter à ces domaines.

13 Pour plus de développement sur la méthodologie voir mon article [12] joint à ce dossier, et mon mémoire d’HDR (notamment pp.6-8 et pp.87-88) téléchargeable ici : http://www-poleia.lip6.fr/~kant/HDR_JDK-Revised.pdf . 14 La notion de mimétisme découle ici du concept de psychomimétisme que j’avais introduit dans ma thèse en 1996 pour formaliser le fait de s’inspirer d’une autre discipline pour construire un modèle computationnel. Il s’agit de donner des principes que doit vérifier un modèle informatique pour rendre compte pleinement d’une théorie (e.g. venant des SHS ou de l’économie). Pour plus de détails voir [12, 44], et mon mémoire d’HDR p.7.

CVdeJean-DanielKANT

24

Sur le plan scientifique, voire épistémologique, j’irais même un peu plus loin car il me semble que de tels travaux offrent une alternative au primat des modèles mathématiques pour modéliser des systèmes complexes, et notamment humains. Par exemple, en économie, la quasi-totalité des modèles sont mathématiques, et ceux-ci souffrent d’une normativité trop forte, se fondant sur des hypothèses fausses de rationalité (i.e. le paradigme de l’homo economicus qui est omniscient, capable d’anticiper sur un temps fini, optimisateur parfait, etc.), hypothèses qui ont été introduites pour pouvoir résoudre analytiquement le modèle. L’apport du modèle multi-agents fournit un cadre plus souple, peut incorporer tout type de rationalité et permet naturellement de produire des agents hétérogènes, et de modéliser toute forme interactions entre eux, et cela sur un grand nombre de niveaux possibles (simulation multi-niveaux), ce que les modèles mathématiques peinent à faire. Naturellement les approches mathématiques et informatiques peuvent se compléter15, mais je pense que des travaux en modélisation et simulation multi-agents tels que je l’ai conduit permettent à replacer l’informatique au cœur des outils pertinents pour l’étude des comportements humains.

Par ailleurs, on peut en retour utiliser les modèles d’agents cognitifs développés dans mes travaux à d’autres applications, et les proposer comme alternative aux architectures actuelles dans les SMA :

§ Représentation des connaissances avec des réseaux de croyances individuelles et associatives compacts (COBAN)

§ Communication basée sur la transmission de messages symboliques (COBAN),

§ Mécanisme de révision des croyances (COBAN et Polias) § Intérêt d'un événement ou d'une information, basé sur la surprise et l'émotion (Polias)

§ Représentation et répartition des tâches au sein d'une organisation (HappyWork) § Anticipation dans l'horizon fini, compatible avec la rationalité limitée (WorkSim)

§ Mécanisme de décision basé sur la machine d'état et l'heuristique de satisfaction (WorkSim)

On pourrait d’ailleurs proposer un modèle cognitif unifiant tous ces mécanismes, comme je le discute ci-dessous pp. 30-31 (Figure 1).

Enfin, les protocoles de calibration que j’ai proposés peuvent être réutilisés pour calibrer un SMA sur des données réelles.

15 J’ai étudié les relations entre modèle informatique et mathématique dans mon article paru dans la revue Mathématiques et Sciences Humains [12], téléchargeable ici : http://journals.openedition.org/msh/12179?file=1

CVdeJean-DanielKANT

25

Diffusiondesrésultats

§ Je contribue au développement d’une nouvelle discipline scientifique en France : l’économie computationnelle à base d’agents, en tant que créateur et animateur, avec G. Ballot, du réseau MAGECO, soutenu par le RNSC, qui fédère les activités en France autour de la modélisation et simulation à base d’agents en économie.

§ Je contribue au niveau international au développement de la simulation sociale, et j’ai ainsi été membre élu du « Management Committee » de l’ESSA (European Social Simulation Association ). Je suis membre du réseau GSDP et de l’EAEPE ; du réseau national des systèmes complexes (RNSC), et de l’AFIA (Association Française pour l'Intelligence Artificielle).

§ Toujours au niveau international, je suis en contact réguliers (plusieurs réunions et séminaires) avec plusieurs équipes, et nous envisageons de monter des projets communs (européens ou bilatéraux). Il s’agit récemment des équipes de Wander Jager (Université de Groningen, Pays Bas), Doyne Farmer (INET – Oxford University, UK) et Herbert Dawid (Bielefeld Universität, Allemagne).

§ S’agissant de l’organisation de conférences, j’ai été membre du comité local d’organisation de AAMAS 2014 (plus de 800 participants). J’ai organisé les journées nationales MAGECO 2013, 2014 et 2016.

§ Je suis / j’ai été membre de plusieurs comités scientifiques (IJCAI, AAMAS, ESSA, WCSS, Artificial Economics, JFSMA, …) et Chairman de plusieurs sessions (Artificial Economics, ESSA, WCSS, IAREP-SABE, MACME…).

§ Enfin, sur la diffusion des résultats, j’attache une importance à la diffusion auprès des décideurs et du grand public, d’autant que j’aborde dans mes recherches des questions sociétales (travail, …). Ainsi la simulation de la loi travail en 2016 nous a permis une médiatisation de nos travaux, j’ai participé à une audition publique au Sénat sur l’Intelligence Artificielle en janvier 2017 et je viens de donner une conférence TEDx à Brest sur la simulation multi-agents16.

Encadrements

Thèsessoutenues(5)

Olivier Goudet (100 %) Soutenue le 19/11/2015. Modélisation et simulation du marché du travail français. Financement PDI MSC (UPMC-IRD). Thèse UPMC. Situation actuelle : Post-doctorant au LRI, CNRS- Université Paris Sud, Orsay. Qualifié aux fonctions de maître de conférences section 27.

Kei-Léo Brousmiche (50 %) Soutenue le 16/12/2015. Co-directeur : Nicolas Sabouret. Modélisation et simulation de la formation et de la dynamique des attitudes basées sur les croyances. CIFRE Airbus Defence and Space. Thèse UPMC. Situation actuelle : Ingénieur de Recherche IRT System X

16 Les références des vidéos existantes sont à la fin de la section publications de ce document, p. 12.

CVdeJean-DanielKANT

26

Kevin Chapuis (100 %) Soutenue le 16/01/2016. Modélisation et simulation multi-agents de la satisfaction au travail. CIFRE Technologia. Thèse UPMC. Situation actuelle : Post-doctorant dans l’ UMR 6266-IDEES, Rouen.

Samuel Thiriot (100 %) Soutenue le 09/04/2009. Vers une modélisation plus réaliste de la diffusion d'innovations à l'aide de la simulation multi-agents. CIFRE Orange Labs, Rennes. Thèse UPMC. Situation actuelle : Chercheur à EDF R&D, Clamart. Qualifié aux fonctions de maître de conférences section 27.

Zach Lewkovicz (100 %) Soutenue le 10/12/2010. Apport des systèmes multi-agents pour la modélisation et la simulation du marché du travail. Allocation doctorale Région Ile-de-France. Thèse UPMC. Situation actuelle : Chef de projet, SFR - MOBILITAS, Cape Town, Afrique du Sud.

StagesMaster2(8)

Rémy Poulain (100 %). Stage M2 AFP – ENS Cachan. Recherche d’une politique optimale dans une simulation multi-agents du marché du travail français. Avril-Juillet 2017. Situation actuelle : Doctorant au LIP6 (équipe Complex Networks).

Olivier Goudet (100 %). Stage M2 – Master IAD UPMC. Modélisation et simulation du marché du travail français. Avril – Août 2012. Situation actuelle: Post-doc au LRI (après une thèse avec moi). Zach Lewkovicz (100 %) Stage M2 – Master IAD UPMC. Un Modèle pour la Représentation du Marché du Travail avec un Système Multi-agents. Avril – Août 2006. Situation actuelle : Chef de projet, SFR - MOBILITAS, Cape Town, Afrique du Sud (après une thèse avec moi). Inès Ammar (40%) Stage M2 – Master ISI Université Paris Dauphine. SMA et Viabilité Etude théorique et simulation. Co-encadré avec I. Alvarez (projet Coop). Avril – Août 2011. Situation actuelle : Ingénieur, Axones. Baptiste Legrand (100 %). Stage de fin d’études – Master IAGL Université Lille 1. Simuler le marché du travail français : analyse des parcours. Avril – juin 2011. Situation actuelle: Ingénieur, Altima. Thomas Béline (100 %). Stage M2 – Master IAD UPMC. Formation des représentations sociales à l'aide d'un système multi-agents. Avril – Août 2006. Situation actuelle: Professeur agrégé de physique en lycée.

Daniel Domingue (100 %). Stage M2 – Master IAD UPMC. Elaboration d'une architecture pour la simulation multi-agents large échelle. Avril – Août 2006. Situation actuelle: Ingénieur, TalanLabs. Samuel Thiriot (60 %). Stage M2 – Master IAD UPMC. Elaboration d’une architecture cognitive modélisant la prise de décision d’un trader. Co-encadré avec N. Sabouret. Avril – Août 2005. Situation actuelle: Chercheur à EDF R&D (après une thèse avec moi).

CVdeJean-DanielKANT

27

Master1etLicence(10)

Depuis 2005, j’ai encadré

§ 7 projets de master 1 (IAD puis ANDROIDE), d’une durée de 6 mois et inclus dans le cursus d’une M1, correspondant à 24 étudiants au total.

§ 3 stages de Licence 3 (stages d’été de 2 mois) pour 3 étudiants.

JurysetExpertise

§ Participation à des jurys de thèse : o Souleïman Naciri (17 mai 2010, EPFL, rapporteur)

o Antoine Saillenfest (25 novembre 2015, Télécom Paris Tech, examinateur) o Nan Lu (13 mars 2018, Université Paris Est, rapporteur)

o Marcos da Silva (11 juin 2019, Université Toulouse 1 Capitole, rapporteur) TEDx

CVdeJean-DanielKANT

28

Projetderecherche

Le projet de recherche que j’envisage pour les années à venir se développe selon 3 axes principaux :

1. Modélisation et simulation multi-agents de comportements individuels etsociaux

Dans le prolongement de mes travaux actuels, je souhaite continuer à développer le projet WorkSim sur le simulation du marché du travail, qui a atteint maintenant un niveau de maturité et promet de nombreux résultats importants. Cela passe notamment par l’ajout d’éléments supplémentaires (intérim, bouclage macro-économique,...).

Sur la base de WorkSim, je cherche à lancer le projet NumJobs, afin d’étudier l’impact du numérique, et en particulier de l’Intelligence Artificielle, sur l’emploi. Cette question est fortement débattue en ce moment, l’idée est l’aborder scientifiquement en combinant WorkSim avec un modèle à base d’agents de dynamiques d’innovations développé par G. Ballot (voir http://www-poleia.lip6.fr/~kant/numjobs/ pour une présentation plus détaillée).

Du côté de la simulation sociale de la dynamique des attitudes, l’idée serait d’ajouter au modèle Polias le mécanisme de graphes de croyances proposé dans COBAN et un mécanisme d’argumentation permettant aux agents d’essayer de se convaincre lors de l’échange d’opinions. J’envisage de lancer un projet pour appliquer ce modèle complet de dynamique d’attitudes à la modélisation et simulation des déplacements d’individus dans une ville. Plusieurs travaux en simulation multi-agents existent dans ce domaine, l’idée serait d’y apporter un modèle plus fin de la décision des individus basée sur leurs croyances, attitudes, émotions, ainsi que des mécanismes d’apprentissage qui modifient ces éléments en fonction de l’expérience17. L’objectif serait de fournir un outil d’aide à la décision politique, pour évaluer les décisions d’aménagement en termes d’impact sur la pollution et de trafic.

Enfin il serait important de réfléchir à un rapprochement entre mes travaux de psychologie sociale et d’économie, avec les individus sont à la fois économiques et sociaux. Il manque en effet une dimension sociale dans la plupart des théories économiques, et la psychologie sociale, qui inspire mes travaux, semble la discipline idéale pour l’inclure. Un premier rapprochement naturel serait d’incorporer les modèles d’HappyWork de satisfaction et d’activités au sein de WorkSim.

Si on veut aller plus loin, je pourrais réfléchir à unifier tous les modèles cognitifs sur lesquels j’ai travaillé, et qui sont assez complémentaires, comme on peut le voir sur la figure 1 ci-dessous. Bien entendu, il faudrait réfléchir à la pertinence d’une telle unification, qui risque de s’avérer assez lourde à entreprendre, et notamment quels phénomènes nécessiteraient un modèle cognitif aussi complet pour être modélisés adéquatement.

17 Par exemple une bonne (ou mauvaise) expérience d’utilisation d’un transport en commun modifie ma croyance et donc mon attitude vis à vis de ce moyen de transport.

CVdeJean-DanielKANT

29

Figure1:Unificationdesmodèlescognitifsissusdemesdifférentsprojets.

Lacouleurcorrespondàchaqueprojet.

2. Validationetévaluationd’unesimulationmulti-agentsUne des difficultés majeures pour le développement des simulations multi-agents réside dans la difficulté de les évaluer. Ce sont souvent des programmes longs, complexes, des modèles avec de nombreux paramètres et des interactions nombreuses entre les agents. Il s’agit donc d’un enjeu méthodologique important. Pour l’aborder, je souhaite d’abord continuer à affiner les méthodes de calibration des paramètres sur données réelles que j’ai pu utiliser dans mes différents projets. Ensuite, il s’agit d’étudier des nouvelles méthodes d’analyse et de visualisation des résultats : reporting, data mining, graphes de flux, etc. Dans cette optique, j’ai commencé à réaliser un prototype pour classer automatiquement les carrières des individus de WorkSim à l’aide d’un réseau neuronal de Kohonen. L’idée est de pouvoir étudier si une cohorte donnée produit un type de parcours particulier, qui pourrait expliquer sa situation dans le marché du travail. Ce travail est à poursuivre, et d’autres techniques - issues des RNA par exemple - pourraient être utiles pour comprendre les nombreuses données issues d’une simulation multi-agents.

A plus long terme, je souhaiterais réfléchir à un travail plus formel sur l’analyse et la validation d’une simulation multi-agents. Actuellement des approches issues de la physique statistique ont été proposées mais j’envisage plutôt de recourir aux outils des mathématiques discrètes, issues de la théorie de la décision notamment (car la plupart des activités des agents sont des décisions).

CVdeJean-DanielKANT

30

3. ApplicationsàlasimulationparticipativeCe troisième axe vise à utiliser les simulateurs que j’ai développés dans des systèmes de type « simulation participative ». En effet, une des grandes difficultés lorsqu’on veut simuler des comportements humains réside dans la collecte de données, notamment au niveau individuel, souvent impossible faute de moyens, de sujets disponibles ou de dispositifs opérationnels. L’idée est de coupler un simulateur à des joueurs humains, qui joueront leur propre rôle et interagiront avec la simulation en temps réel, à travers des agents artificiels qui seront leur avatar.

Ainsi, on pourra faire appel à des algorithmes d’apprentissage pour apprendre les paramètres de comportement de chaque agent, et recueillir ainsi des données difficilement à obtenir autrement. Du point de vue applicatif, ces systèmes ont l’avantage de mieux impliquer les acteurs concernés par la simulation, de leur faire prendre conscience des enjeux et des conséquences de leur décision, et d’aboutir finalement à une meilleure décision collective (en se rapprochant d’un optimum de Pareto « négocié » grâce la simulation).

CVdeJean-DanielKANT

31

Administrationetresponsabilitéscollectives

Globalement, j’estime autour de 15% en moyenne la part de mon temps consacrée à l’administration et aux responsabilités collectives, selon la période de charge. Cela inclut la gestion des 2 Unités d’Enseignement dont je suis responsable (Introduction à l’économie ; Simulation multi-agents) et les autres responsabilités que j’exerce suivant les années et qui sont listées ci-dessous :

2016-2018 Membre du groupe des 6 experts coordonnant les comités de sélection pour les postes section 27 de Université Pierre et Marie Curie.

2016-2020 Membre du conseil des enseignements de l’UFR Ingénierie UFR 919, Université Pierre et Marie Curie.

2010-2015 Membre élu du conseil de l’UFR Ingénierie UFR 919, Université Pierre et Marie Curie.

2013-2015 Membre de la commission PIR de l’UPMC (commission qui désigne les lauréats des Primes d'Investissement dans la Recherche).

2009-2015 Membre de la commission des locaux du LIP6 (commission gérant les locaux du LIP6 et notamment les déménagements que nous avons effectués dans le cadre du chantier de désamiantage de Jussieu)

2008-2011 Membre élu du comité de sélection, section 27 (Informatique), Université Pierre et Marie Curie.

2007-2008 Membre élu de la commission de spécialistes, section 27 (Informatique), Université Pierre et Marie Curie.

2008-2009 Membre du comité de sélection, section 27 (Informatique), Université Panthéon-Assas – Paris 2.